基于改进ConvNeXt模型的压气机变几何系统T-step预测方法

为了实时监控航空发动机压气机变几何系统的状态并获取警告信号，提出一种基于改进ConvNeXt 模型的T步（T-step） 预测方法。与仿真数据和特定试验条件下生成的数据集相比，T-step预测方法采用了飞机数据采集系统记录的实际飞行数据。 证实了采用改进ConvNeXt模型预测压气机变几何系统参数的可行性，并在发动机过渡状态和稳态下分别进行了试验验证。结果 表明：采用改进ConvNeXt模型的T步（T-step）预测方法能精准地预测压气机VSV角度和VBV开度的变化，最低可达2.132°和 7.077°，预测误差在可接受范围内。该方法能识别和预测各类型航空发动机不同运行状态的变几何系统参数的角度，获得相对准 确的结果。     

基于随机Wiener过程的航空发动机剩余寿命预测

针对目前剩余寿命(RL)预测方法没有综合考虑发动机个体性能退化的差异性和多阶段性的问题,提出了基于多阶段性能退化模型预测航空发动机剩余寿命的方法。首先,该方法采用多阶段Wiener过程对航空发动机进行退化建模,并假设退化模型参数服从随机分布来描述发动机个体的差异性。然后,根据历史性能退化数据与历史失效时间数据,利用期望最大化算法对模型参数的先验分布进行估计。当获得单台发动机的实时退化数据后,使用Bayesian方法对模型参数进行更新,从而实时更新航空发动机的RL分布,最终实现对单台航空发动机的RL预测。实验结果表明,该方法预测精度较高,能为航空发动机维修计划的制定提供依据。     

基于飞行过程数据的航空发动机故障诊断方法研究

针对航空发动机飞行过程数据,结合门控循环单元（GRU）动态网络和深度神经网络（DNN）,提出了一种数据驱动的航空发动机故障诊断结构。首先,从飞行数据中抽取发动机健康数据,并通过一组GRU网络建立发动机在健康状态下的动态模型。其次,通过GRU动态模型的预测值与真实测量信号生成残差信号,残差信号作为DNN网络的输入预测发动机健康参数。最后,通过诊断决策模块实现对发动机的故障检测与识别。使用仿真生成的真实飞行工况数据集对提出的故障诊断系统进行了验证。结果表明,相比于直接使用传感器测量数据,基于GRU网络的残差结构能够大幅提升故障检测和识别性能,故障检测和识别准确率分别可达96.51%和95.06%,并且对训练数据样本数量的依赖性较小,较少的训练样本也能获得很好的预测结果。     

基于飞行试验数据的双转子航空发动机 加减速瞬态模型辨识

为辨识航空发动机飞行过程中加减速瞬态模型,通过对某型航空发动机慢车至中间以及中间至慢车过程的飞行试验数据进行分析整理,将发动机上述加、减速过程简化为静态参数预测过程,利用3层前向人工神经网络,建立了某型发动机加、减速瞬态过程中的发动机关键参数预测模型,对发动机参数预测模型预测结果与飞行试验记录数据进行了对比分析,同时利用额外的飞行试验数据验证了辨识模型的泛化能力.结果表明:辨识得到的发动机模型在油门杆稳定时参数预测相对误差不超过3％,在油门杆动作期间参数预测相对误差不超过5％;验证点上辨识模型参数预测误差不超过3％.证明该型发动机参数预测模型可以很好地预测发动机瞬态过程中的参数变化情况.该方法为建立发动机其他状态的加、减速过程参数变化模型奠定了基础,也能为建立全包线范围内发动机瞬态参数预测模型提供参考.     

基于非线性Wiener过程航空发动机性能退化预测

针对线性随机过程航空发动机剩余使用寿命预测精度不高的问题,提出一种漂移系数为指数形式的非线性Wiener过程发动机性能退化建模,进而预测航空发动机的剩余寿命。基于直接监测发动机性能退化数据,构建发动机性能退化模型,根据Wiener过程首达阈值时间的数学性质,推导出剩余寿命的概率分布。通过极大似然估计构建退化模型中未知参数的似然函数,利用遗传算法得到发动机总体模型参数的离线估计值。考虑到不同发动机个体间的差异性,采用贝叶斯公式,结合发动机的实时监测数据与总体模型参数的先验分布对模型中随机参数进行实时更新,从而对个体发动机的剩余寿命实时预测。最后,选择商用航空发动机仿真数据集(C-MAPSS)进行实验,结果表明：针对个体发动机基于非线性随机过程方法,实时更新非线性Wiener方法能够提高航空发动机循环中期剩余寿命预测的准确性,提供更加可靠的预防性维修决策。     

融合多传感器数据的发动机剩余寿命预测方法

针对基于单一传感器数据的剩余寿命预测方法存在数据利用率低和预测精度不高的问题,论文提出了一种融合多传感器数据的发动机剩余寿命预测方法。首先将多个传感器数据融合成一个复合健康指标来表征发动机的退化性能,采用线性维纳过程对复合健康指标进行退化建模,通过极大似然估计方法确定模型参数,进而得到发动机的预测寿命。为了确定融合系数,提出了一种利用真实寿命与预测寿命的预测均方误差最小化的方法。融合系数确定后,基于训练发动机历史寿命数据,确定出模型参数的离线估计值;然后利用Bayesian公式,同时结合发动机的实时监测数据与参数的先验分布对模型参数进行实时更新,接着在首达时间的意义下推导出剩余寿命的概率分布,进而实现了发动机的剩余寿命在线预测。最后,选择商用模块化航空推进系统仿真数据集进行数值仿真实验,结果表明：相较于基于单一传感器的方法,论文所提方法能够提高剩余寿命预测的准确性,其剩余寿命预测的相对均方误差降低了2%左右。     

基于试飞数据的航空发动机加力瞬态过程模型辨识

为了对某航空发动机慢车至最大以及最大至慢车加力瞬态过程的工作状态进行监控,在该发动机实际飞行试验数据基础上,基于三层前向人工神经网络,辨识得到了该型发动机加力瞬态过程模型,对模型预测精度进行了分析讨论,利用额外的飞行试验数据对模型进行了检验。结果表明,辨识模型能够指示加力燃烧室工作状态,模型计算模拟参数与实际飞行试验数据吻合良好。该辨识模型可应用至该型发动机飞行试验的实时监控中,也可为其他型号发动机模型辨识提供参考。     

基于支持向量机的航空发动机整机振动故障诊断技术研究

支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的一种新型机器学习方法,由于它出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中。针对某型航空发动机整机振动过大的现象,提出了一种基于支持向量机（SVM）的整机振动故障诊断方法。首先介绍了SVM理论,然后根据SVM学习方法的结构风险最小化原则,对某型航空发动机已知的整机振动故障模式数据进行了训练和预测,并建立了基于SVM的航空发动机整机振动故障诊断模型。最后通过对已有故障模式进行诊断预测,证明该方法在航空发动机整机振动故障诊断方面具有良好效果。     

基于性能非线性退化统计模型的发动机剩余寿命预测

针对航空发动机在性能退化过程中普遍存在的非线性和不确定性问题,提出一种基于非线性退化数据的统计模型和剩 余寿命预测方法。通过对发动机性能真实退化轨道的分析,采用统计回归的建模方法建立发动机退化轨道模型,利用发动机的历 史数据,通过最小二乘估计求解模型中的未知参数;根据贝叶斯准则,以发动机实时监测数据与参数的先验分布对模型中的参数 进行实时更新,以发动机性能退化量首次达到红线值作为失效依据,采用蒙特卡洛仿真的方法得到发动机剩余寿命分布,实现了 对个体发动机剩余寿命的预测;通过试验数据进行发动机剩余寿命的预测,验证了该方法的准确性。结果表明：根据发动机退化 数据结合退化模型得到的个体发动机剩余寿命实时预测值末端均方根误差为0.02588,可以辅助指导维修决策。     

航空发动机转速信号的ARMA模型预测方法研究

提出了一种基于时间序列理论的分析和预测某型航空发动机转速信号的方法,建立了描述发动机额定转速变化规律的ARMA（3,1）模型,并对发动机转速进行预测。结果表明,所建模型能够以较高精度预测未来一段周期内发动机转速信号的发展趋势和数值大小,说明采用时序分析方法进行航空发动机转速信号预测有效可行。     

基于深度学习的太阳10.7 cm射电流量日值的中期预报

针对太阳10.7cm射电流量中期日值预报问题,采用深度学习方法,建立了一个典型的基于多层感知器模型的神经网络。该网络采用1个包含90个神经元的隐含层,实现了一种非参数的时间序列自回归模型。预报中不仅考虑历史日值,还考虑了历史预报误差。模型根据前27d的历史数据实现了未来27d的日值预报。通过对50多年数据的训练和试验分析,该方法在短期和中期预报上较传统方法的相对误差明显降低。特别是模型经一次训练后,参数可以完全固定,不同于以往研究参数需要每天滚动更新,大大简化了日常预报,同时极为有利于模型在其他相关应用中的推广。     

基于非线性Wiener过程的航空发动机性能衰减建模与剩余寿命预测

针对航空发动机在性能衰减过程中普遍存在的非线性和三源不确定性问题,提出了一种基于非线性Wiener过程的航空发动机性能衰减建模与剩余寿命（RUL）预测方法。首先,为解决目前大多数剩余寿命预测方法中潜在假设的局限性,即当前时刻估计的漂移系数与上一时刻漂移系数的后验估计完全相等,在状态空间模型的框架下建立了一类新的同时考虑非线性和三源不确定性的性能衰减模型,并在首达时间下推导出剩余寿命的分布。然后,针对新研发航空发动机缺乏历史数据和先验信息的问题,提出了一种基于Kalman滤波和条件期望最大化（ECM）算法的参数估计方法,使得估计的模型参数不依赖于历史数据量。同时能够在获得一个新的性能衰减数据后,实现对模型参数的自适应估计和在线更新,进而实时地更新航空发动机的剩余寿命分布。实验结果表明,本文方法可以有效地提高剩余寿命预测的准确性,能为航空发动机的维修决策提供可靠的依据。     

航空发动机整机模态计算分析

本文针对现代高速小型发动机转子-支承-机匣系统特点, 建立了较完整的一套用于分析整机模态的有限元子结构模态综合法及程序, 阐述了如何建立整机计算模型及如何分析整机模态等问题, 给出了某型发动机整机模态的计算结果, 并与试验结果进行了对照。      

A step parameters prediction model based on transfer process neural network for exhaust gas temperature estimation after washing aero-engines

The prediction of Exhaust Gas Temperature Margin(EGTM) after washing aeroengines can provide a theoretical basis for airlines not only to evaluate the energy-saving effect and emission reduction, but also to formulate reasonable maintenance plans. However, the EGTM encounters step changes after washing aeroengines, while, in the traditional models, a persistence tendency exists between the prediction results and the previous data, resulting in low accuracy in prediction. In order to solve the pr...     

叶轮机械颤振研究进展 “两机专刊”

叶轮机械颤振是航空发动机、燃气轮机安全运行的重要威胁,一旦出现将严重影响设备的安全性并降低使用寿命。但颤振发生机理复杂,影响气弹稳定性参数多,流动结构和关键参数相互耦合,因此颤振一直是叶轮机械的研究难点。本文从颤振发生机理的角度,重点综述了近十年来关于颤振发生机理的新发现和新进展,其中包括流动结构、振动模态以及声波传播与反射等方面。在此基础上,结合工程实际简要总结了颤振抑制方法,以及不同方法的应用可行性。最后结合作者的思考,提出了叶轮机械颤振研究的重点方向。     

航空发动机分布式控制系统结构分析

对近年来航空发动机分布式控制系统的研究作了简要分析。重点分析了航空发动机分布式控制系统的结构、功能和优点;比较了几种分布式数据总线和电源总线的优缺点,并指出了适用于航空发动机分布式控制系统的数据总线和电源总线选择;分析了发动机运行环境对开发分布式控制系统的影响,并提出了可能的解决方案;指出了开展航空发动机分布式控制系统研究的重要性和未来的发展方向。      

某实际发动机篦齿封严装置振动特性和稳定性分析

篦齿式封严装置是一种非常有效的非接触密封装置,在航空燃气涡轮发动机等叶轮机械中得到广泛应用。随着航空发动机性能的提高,篦齿封严装置的振动故障问题愈发突出,颤振、声固耦合及振型协调等振动故障发生的可能性越来越大。本文针对某实际航空发动机的篦齿封严装置,对其进行了振动特性和气弹稳定性分析,有较强的工程实际意义。      

电脉冲除冰(EIDI)技术研究

将电脉冲除冰(EIDI)系统的一个工作周期分解为四个过程,进而分析其工作原理.以冲击摆锤试验和Bernhart-Schrag模型为例,介绍了电动力学方面的研究方法和研究成果.通过蒙皮表面加速度、应变、振动位移等参数,分析了由脉冲力所产生的结构动力学特性.利用蒙皮表面的应变程度,给出了一种除冰预测准则.总结了包括飞行试验、疲劳试验以及电磁干扰试验在内的工程应用试验研究结果.在此基础上,对EIDI技术的发展方向进行了展望.      

航空发动机反馈神经网络自适应控制方法

根据反馈神经网络控制方法在发动机控制系统中的应用研究,建立了基于反馈网络的发动机控制系统。采用反馈神经网络辨识发动机模型参数,用动态自适应算法对神经网络权值进行了调整,并在飞行包线内各工作点对整个控制系统进行了仿真。结果表明,使用神经网络建立的发动机控制系统具有良好的控制品质和较强的自适应能力。